多能谱CT（Multi-energy Computed Tomography）可以在单次X射线照射下对分离的能量箱中的光子数进行计数,实现不同物质的识别。由于能量箱狭窄,多能谱CT分解后的物质图像往往具有较低的对比度,对低浓度物质的检测非常困难。同时,在CT浓度检测中需要已知质量衰减系数,约束性较高。针对这些问题,本文提出了基于CT值进行浓度检测的两种像素级浓度检测算法,尝试采用深度学习方法进行浓度检测。两种算法可以检测出每个像素点的浓度或浓度范围,实现对浓度的检测和定量,以及对碘（Iodine,I）和钆（Gadolinium,Gd）物质图像对比度的增强。论文主要内容和贡献如下:（1）针对CT浓度检测需借助质量衰减系数的局限性,本文提出了基于回归的浓度检测算法（Concentration Detection Based on Regression,CDBR）,CDBR算法应用回归思想实现对多能谱CT碘和钆物质浓度的检测,对不同能量带下的CT值和浓度间的相关关系进行拟合,建立CT值和浓度的回归方程,实现对浓度的检测。基于该算法,提出了两种深度网络模型,分别是SRCN（Simple Regression CNN）网络和S-Res Net（Simple Residual Neural Network）网络。其中SRCN网络是直接学习CT值与浓度的关系,S-Res Net网络是通过学习残差,间接学习CT值与浓度的关系。最终CDBR算法可以获取到碘和钆的浓度预测图像和浓度二值化图像。（2）针对CDBR算法检测浓度<=1mg/cc结果不理想以及样本不均衡的问题,本文提出了三阶段浓度检测算法（Three Stage Concentration Detection,TSCD）,TSCD算法应用分类思想,实现对多能谱CT碘和钆物质浓度的分阶段检测。三个阶段分别检测出浓度为>=2mg/cc、[1,2)mg/cc、[0.5,1)mg/cc的像素点,最终获得浓度>=0.5mg/cc的浓度二值化图像并定量出浓度为1mg/cc和0.5mg/cc的区域。基于该算法,本文提出了S-VGG19（Simple VGG19）网络,以及BC-Focal损失函数调节数据集中背景和填充物质区域比例不均衡问题,优化三个阶段的结果。（3）针对物质图像在低浓度<=2mg/cc区域对比度较低问题,本文提出借助CDBR算法和TSCD算法浓度检测结果对物质图像对比度增强的方法。通过将CDBR算法和TSCD算法获取到的浓度二值化图像与奇异值分解（Singular Value Decomposition,SVD）伪逆法获取到的物质图像相融合,基于物质低浓度检测结果,对物质图像低浓度不显示的区域进行显示,实现物质图像对比度增强。实验结果表明,CDBR算法（SRCN和S-Res Net）实现了对碘和钆浓度的检测和定量,获取了浓度预测图像,同时碘和钆在浓度>=1mg/cc的区域物质图像对比度实现明显增强,在0.5mg/cc区域对比度相对增强。TSCD算法（S-VGG19+BC-Focal）实现了>=0.5mg/cc物质的有效检测,优化了1mg/cc和0.5mg/cc物质的检测结果并实现定量,同时2mg/cc、1mg/cc和0.5mg/cc等低浓度碘和钆的物质图像对比度得到了明显增强,证明了本文所提的两种方法的有效性。